блоках формируется модель объекта прогнозирования (пятый блок),
а ее отладка происходит с использованием четвертого блока, который
содержит математический аппарат определения неизвестных пара-
метров модели. Когда необходимые подготовительные операции
выполнены, прогнозируются выходные данные шестого блока.
Наличие обратной связи между прогнозирующей системой и
результатом прогноза даст возможность их логического анализа,
а также изменять и
дополнять
схему прогнозирования при решении
конкретной
задачи.
Необходимо отметить основные требования к прогнозирующей
системе: точность прогноза; способность реагировать на изменения
в объекте прогнозирования;
быстродействие;
простота и минималь-
ная стоимость прогноза. Важнейшее требование к математической
модели прогнозируемого процесса заключается в учете основных
сторон и связей рассматриваемого явления и исключении
из
модели
второстепенных.
Модели классифицируют по различным признакам в зависимости
от вида прогнозируемого объекта; описываемого процесса; характера
протекания процесса; вида математического описания; наличия
неопределенностей, сопровождающих прогнозируемый процесс, и др.
Большинство известных методик прогнозирования основывается на
эвристическом или математическом подходе к решаемой задаче,
а прогнозирующая система включает математические, логические
и эвристические элементы. На ее вход поступает имеющаяся инфор-
мация, а на выходе получаем результат. Так как эвристический
(интуитивный) метод основан на использовании мнения специалистов
в данной области знаний, прогнозируемые оценки получаются
в результате
аатистической
обработки анкет, заполненных экс-
пертами.
При проведении экспертных опросов необходимо соблюдать сле-
дующие основные правила: производить опрос в один или два тура;
формулировать вопросы анкеты таким образом, чтобы ответы дава-
лись в количественной форме; после каждого этана проводить
ста-
тистическую обработку
результатов,
и всех привлеченных к работе
экспертов знакомить с ответами других участников; эксперты должны
давать
ответы независимо друг от друга.
Недостатком эвристического прогнозирования является субъ-
ективизм; основным
преимуществом
по сравнению с другими мето-
дами — возможность прогнозирования скачков в развитии процессов.
Целесообразные для использования
математические
методы
можно
условно подразделить на два: моделирование процессов развития
и экстраполяция статистических данных.
Прогнозирование с помощью экстраполяции основывается на
переносе событий, имевших место в прошлом, на будущее. Некоторые
авторы считают, что прогнозирование с помощью данного метода
не соответствует логике будущих событий, развитию техники (т. е.
таких явлений, по которым имеется «короткий»
статистический
ма-
териал, а информация сосредоточена в
патентах,
конструкторских
проработках и т. п.). Прогнозирование по методу экстраполяции
172
может быть оправдано при краткосрочном прогнозировании
(5—
7 лет), преимущественно в таких областях, как рассматриваемая,
где не предвидется существенных качественных изменений и раз-
витие ограничено прогнозированием эволюционных ситуаций и
процессов.
Для рассматриваемой системы при совершенствовании
произ-
водственной деятельности ее технической службы с помощью
метода экстраполяции могут быть рассмотрены два типа задач про-
гнозирования: статистические и динамические. В последнем случае
исходная информация представляется в виде временного ряда ста-
тистических данных.
При прогнозировании на основе временных динамических рядов данных
необ-
ходимо следующее: приведение исходной информации к виду, удобному для пред-
варительной
интерпретации
ряда; аппроксимация, т. е. приближение ряда к функ-
ции
«аргумент—время»;
определение точности прогнозирования [6, 35],
При анализе временных рядов возникает необходимость находить детермини-
рованную, т. е. определенную, и случайную компоненты, и с этой точки зрения
возможны следующие типы производственных процессов: процесс протекает в соот-
ветствии с основной тенденцией развития и не содержит случайной составляющей;
процесс зависит от изменения во времени некоторых основных показателей, влия-
ющих на него и отражающих структуру процесса; процесс рассматривается как функ-
ция от элементов его внутренней структуры, причем значительную роль играет за-
паздывание во времени.
При экстраполяции по исходным данным временных рядов могут быть приме-
нены следующие методы: метод прогнозирования по параметрам, метод огибающих
кривых, модификации метода, связанные с
полиномами,
используемыми для аппрок-
симации ряда. Известен также ряд способов аппроксимации временных рядов:
по методу наименьших квадратов; с помощью числа
Чебышева;
полиномов Ла-
гранжа;
конечных разностей. Наибольшее распространение в практических
расче-
тах получил метод наименьших квадратов. В качестве аппроксимирующих функ-
ций используют полиномы (многочлены) различного вида (экспоненциальные, гипер-
болические), логические кривые и др.
Выбор формы кривой, параметры которой определяются с помощью метода
наименьших квадратов, производится эмпирически путем построения ряда функ-
ций и сравнения их между собой по величине средней квадратической погрешности
[5, 6,
22].
Для автотранспортных средств систем общего пользования раз-
работаны достаточно надежные методы предупреждения отказов:
плановое ТО на основе исследования характеристик их потоков и
обслуживание по необходимости на основе данных диагностирования.
Однако эти
методы
недостаточно
эффективны для количественного
прогнозирования характеристик потоков отказов по автомобилям
иностранных фирм и владельцев из-за неопределенности параметров
их технического
состояния,
закономерностей их изменения и
сто-
хастического характера отказов. Поэтому для прогнозирования
характеристик системы
«Совинтеравтосервис»
целесообразно исполь-
зовать методы, основанные на применении современного математи-
ческого аппарата, экономико-математических моделей и ЭВМ. Рас-
смотренные выше методы в значительной мере могут быть использо-
ваны и в системе «Автотехобслуживание», учитывая вероятностный
характер обращения владельцев автомобилей на СТОА, а также
для подготовки производства при проектировании перспективных
173